BSP-NET 原始实现项目教程

BSP-NET 原始实现项目教程

1. 项目目录结构及介绍

本项目是基于TensorFlow 1.15的BSP-Net开源实现，包含了生成紧凑网格的二进制空间划分算法。以下为项目的目录结构及文件介绍：

BSP-NET-original/
├── bsp_2d/              # 2D 实验的代码
├── checkpoint/          # 存储训练的检查点文件
├── data/                # 存储数据集
├── evaluation/          # 评估指标计算代码
├── img/                 # 存储图像数据
├── LICENSE              # 项目许可文件
├── README.md            # 项目说明文件
├── bspt.pyx             # 用于从BSP树恢复网格的Cython模块
├── bspt_slow.py         # Python版本的bspt.pyx，速度较慢
├── main.py              # 项目的主要执行文件
├── modelAE.py           # 自编码器模型的定义
├── modelSVR.py          # 单视图重建模型的定义
├── ops.py               # 辅助操作代码
├── setup.py             # Cython模块的构建脚本
├── test_ae.sh           # 测试自编码器的shell脚本
├── test_svr.sh          # 测试单视图重建的shell脚本
├── train_ae.sh          # 训练自编码器的shell脚本
├── train_svr.sh         # 训练单视图重建的shell脚本
└── utils.py             # 实用工具函数

2. 项目的启动文件介绍

main.py 是项目的主要执行文件，它包含了训练和测试的主要逻辑。以下为main.py的主要功能：

• 训练自编码器（AE）模型
• 训练单视图重建（SVR）模型
• 获取模型训练过程中的中间结果
• 对模型进行测试，包括生成网格和点云等

启动训练或测试的命令通常是通过命令行参数传递给main.py的。

3. 项目的配置文件介绍

本项目使用命令行参数进行配置，没有专门的配置文件。在训练或测试时，可以通过命令行参数指定不同的配置选项，例如：

• --ae：指定运行自编码器相关操作
• --train：指定进行训练操作
• --phase N：指定训练的阶段
• --iteration N：指定训练的迭代次数
• --sample_dir：指定样本数据的目录
• --sample_vox_size：指定体素的大小
• --start N 和 --end N：指定测试时处理的样本范围

具体的命令行参数可以在运行main.py时通过--help选项查看。